电缆隧道环境下工业智能巡检机器人定位研究

摘要

电缆隧道封闭狭长，存在重复布设的电缆架和相似的场景纹理，属于退化场景.针对该场景，提出了1种基于点线特征融合的视觉惯导SLAM(simultaneous localization and mapping)算法.该算法通过长度抑制和短线拟合来改进高维线特征，使其能够更有效地描述结构化显著的隧道场景.此外，针对电缆隧道中特征相似导致的回环检测失败问题，引入具有高效识别和精确位姿估计的ArUco标记，限定回环发生区域，并利用最小化位姿变换筛选最佳回环帧，从而提升回环检测的准确度和定位精度.最后，在电缆隧道内采集数据集并进行实验验证.结果表明，相对于VINS–Mono(visual inertial system–Mono)，所提算法的绝对轨迹精度平均提升了69.73%，满足了电缆隧道巡检的应用需求.

关键词

同步定位与地图构建 / 点线特征融合 / 回环检测 / 工业机器人 / 电缆隧道